Математическая модель репрезентации социального конфликта: создание и апробация на корпусе текстов

Математическая модель репрезентации социального конфликта: создание и апробация на корпусе текстов

На примере арабо-израильского конфликта 2023 г. авторы статьи анализируют, как представление социального конфликта в цифровых медиа влияет на агрессивность аудитории. Исследуется связь между реальными событиями и их медийным обсуждением, также для оценки тональности постов и комментариев авторами создается и применяется нейросетевая математическая модель. 

В условиях цифровизации социальное взаимодействие активно переходит в Интернет, что приводит к возникновению и репрезентации социальных конфликтов в виртуальном медиапространстве. Исследования показывают, что современные медиа могут порождать конфликты, которые ранее не существовали, и влиять на уровень агрессии пользователей. Авторы данной работы предлагают использовать математические методы и нейронные алгоритмы для автоматического анализа больших объемов текстов, что даст возможность более эффективно изучать репрезентацию конфликтов и их влияние на участников коммуникации с учетом ограничения существующих сервисов.

В исследовании анализируется медиарепрезентация арабо-израильского конфликта 2023 г. в российских социальных сетях, особенно в Telegram, в период с 7 октября по 6 ноября. Рассматриваются как институциональные, так и неинституциональные каналы, а также блогеры, с акцентом на их популярность и активность в обсуждении конфликта. В качестве эмпирической базы было собрано более 300 тысяч постов и комментариев, однако выбор блогеров оказался ограниченным из-за низкой активности по данной теме. В итоге основное внимание авторы уделяют пяти Telegram-каналам и двум блогерам, которые наиболее активно обсуждали изучаемый конфликт.

Создание математической модели для анализа арабо-израильского противостояния основывается на конкретных событиях, произошедших в октябре и ноябре 2023 г. В ходе исследования была составлена карта событий, которая включала основные даты и действия сторон, такие как обострение конфликта, военные операции, гуманитарные меры и международные реакции. Эти события были систематизированы в таблице, что позволило выделить три фазы репрезентации конфликта в медиа, каждая из которых характеризовалась различной динамикой публикаций и комментариев.

Для автоматизации анализа была разработана программа на Python, которая собирала данные из Telegram-каналов и визуализировала их в Excel. Результаты показали, что количество комментариев напрямую связано с числом постов, а также выделились три фазы репрезентации конфликта. Важно отметить, по мнению авторов, что, несмотря на эскалацию событий, реакция общества на них в последней фазе была более спокойной, что указывает на разницу между реальными событиями и их медиапредставлением.

Далее для исследования конфликтности сообщений в цифровой медиасреде авторами была разработана нейросетевая модель на основе BERT для определения тональности текстов. Модель обучалась на выборке из 1300 сообщений, содержащих конфликтогенные маркеры, однако достигла лишь 50% достоверности, что указывает на необходимость увеличения объема обучающих данных и пересмотра выбранных маркеров. Анализ показал, что в исследуемый период было написано в 1,4 раза больше конфликтных постов, но уровень агрессии в комментариях оставался стабильным, независимо от содержания постов, что ставит под сомнение связь между общественными конфликтами и агрессивностью в цифровом пространстве.

Подводя итоги, авторы подчеркивают: статья представляет новую математическую модель для анализа социального конфликта в цифровых медиа, демонстрируя связь между количеством постов и комментариев и событиями конфликта. Эта корреляция обосновывает важность математических подходов в медиаисследованиях, которые могут быть более эффективными, чем традиционные методы обработки данных. Однако результаты апробации модели выявили, что заранее определенные экспертами конфликтогенные маркеры не всегда точно определяются. Данное обстоятельство требует дальнейшего изучения.

Разработанная речевая математическая модель выделила свои собственные маркеры для анализа конфликтных и неконфликтных сообщений, что открывает новые направления для исследования. Проведенный анализ тональности постов и комментариев показал, что восприятие арабо-израильского конфликта в 2023 г. в цифровых СМИ не привело к увеличению агрессии среди участников коммуникации. Это указывает на сложность взаимосвязи между медийным представлением конфликта и реакцией аудитории.

Таким образом, полагают авторы, результаты исследования подчеркивают необходимость дальнейшего анализа и уточнения маркеров, используемых для определения конфликтности сообщений. Математические модели могут стать мощным инструментом в изучении социальных конфликтов, однако их эффективность зависит от точности и адекватности выбранных параметров, убеждены авторы.

Источник.